Đại dịch covid-19 xuất hiện từ cuối năm 2019, cho đến nay nó đã lan rộng ra hầu hết các quốc gia và vùng lãnh thổ trên thế giới, gây thiệt hại nghiêm trọng về mọi mặt. Mặc dù đã có vaccine phòng ngừa covid-19 nhưng dịch bệnh này vẫn còn hoành hoành ở nhiều quốc gia, liên tục xuất hiện các biến thể mới nguy hiểm. Vì thế, nhóm đã chọn tập dữ liệu liên quan đến vấn đề này để phân tích tình hình dịch bệnh covid-19.
Nhóm em đã tham khảo các nguồn dữ liệu về dịch bệnh Covid-19 và đã chọn được tập dữ liệu mà nhóm cảm thấy phù hợp.
Link dataset: COVID-19 dataset Dataset coronavirus pandemic
Nhóm sẽ phân tích tình hình dịch bệnh covid-19 dựa trên số ca mắc, số ca tử vong và số lượng người đã tiêm phòng vaccine, sau đó sẽ đưa ra các nhận xét cũng như dự đoán về đại dịch Covid-19 này ở thời gian tới.
Các biến trong dataset nhóm sử dụng: [
continent,
location,
date,
total_cases,
new_cases,
total_cases_per_million,
new_cases_per_million,
total_deaths,
new_deaths,
total_deaths_per_million,
new_deaths_per_million,
total_vaccinations,
people_vaccinated,
people_fully_vaccinated,
people_fully_vaccinated_per_hundred,
population
]
Các ca mắc Covid-19 có sự khác biệt giữa các châu lục hay không ?
Có phải các nước có nền kinh tế phát triển, thu nhập cao thì dịch bệnh Covid-19 sẽ ít nghiêm trọng hơn so với có nền kinh tế phát triển kém hơn, thu nhập thấp hơn không ?
Dân số có phải là nguyên nhân dẫn tới việc gia tăng số ca mắc ở các nước châu Á ?
Khi vaccine được phổ biến, điều đó có giúp ích cho việc chống đại dịch Covid-19 trên thế giới ?
Biến thể Omicron xuất hiện vào 24/11/2021 có gây nguy hiểm không ? So sánh với biến thể Delta xuất hiện trước đó ?
Ở các châu lục, trước và sau khi tiêm vaccine, tỉ lệ tử vong của dịch bệnh Covid-19 như thế nào?
So với các bệnh như SARS, EBOLA, MERS, H1N1 thì dịch Covid-19 có nghiêm trọng hơn ?
File dữ liệu: owid-covid-data.csv
Giải thích các biến sử dụng
| Biến | Mô tả |
|---|---|
continent |
Tên châu lục |
location |
Tên nước |
date |
Ngày quan sát |
total_cases |
Tổng số ca mắc covid 19 đã được xác nhận |
new_cases |
Số ca mắc mới covid 19 theo ngày đã được xác nhận |
total_cases_per_million |
Tổng số ca mắc covid 19 đã được xác nhận trên 1,000,000 người |
new_cases_per_million |
Số ca mắc mới covid 19 theo ngày đã được xác nhận trên 1,000,000 người |
total_deaths |
Tổng số ca covid 19 tử vong đã được xác nhận |
new_deaths |
Số ca covid 19 tử vong mới theo ngày đã được xác nhận |
total_deaths_per_million |
Tổng số ca covid 19 tử vong đã được xác nhận trên 1,000,000 người |
new_deaths_per_million |
Số ca covid 19 tử vong mới theo ngày đã được xác nhận trên 1,000,000 người |
total_vaccinations |
Tổng số liều vaccine |
people_vaccinated |
Tổng số người tiêm ít nhất một mũi vaccine |
people_fully_vaccinated |
Tổng số người tiêm đủ liều vaccine theo quy định |
people_fully_vaccinated_per_hundred |
Tổng số người tiêm đầy đủ vaccine theo quy định mỗi 100 người |
population |
Tổng dân số |
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
covid_df = pd.read_csv('./data/owid-covid-data.csv')
covid_df = covid_df[['continent', 'location', 'date', 'total_cases', 'new_cases', 'total_cases_per_million', 'new_cases_per_million', 'total_deaths', 'new_deaths', 'total_deaths_per_million', 'new_deaths_per_million', 'total_vaccinations', 'people_vaccinated', 'people_fully_vaccinated', 'people_fully_vaccinated_per_hundred', 'population']]
covid_df.columns = ['Continent', 'Location', 'Date', 'Total Cases', 'New Cases', 'Total Cases per million', 'New Cases per million', 'Total Deaths', 'New Deaths', 'Total Deaths per million', 'New deaths per million', 'Total Vaccinations', 'People Vaccinated', 'People Fully Vaccinated', 'People Fully Vaccinated per hundred', 'Population']
covid_df.isnull().sum()
Continent 9956 Location 0 Date 0 Total Cases 3033 New Cases 3193 Total Cases per million 3791 New Cases per million 3951 Total Deaths 20875 New Deaths 20839 Total Deaths per million 21620 New deaths per million 21584 Total Vaccinations 121132 People Vaccinated 123339 People Fully Vaccinated 126085 People Fully Vaccinated per hundred 126085 Population 1075 dtype: int64
t = covid_df[covid_df['Continent'].isna()]
t.Location.unique()
array(['Africa', 'Asia', 'Europe', 'European Union', 'High income',
'International', 'Low income', 'Lower middle income',
'North America', 'Oceania', 'South America', 'Upper middle income',
'World'], dtype=object)
Các giá trị trong cột location của datatframe thường là tên các quốc gia. Nhưng giá trị trong cột này lại là tên các châu lục hoặc các liên minh kinh tế trên thế giới (đây là tổng hợp chung tình hình dịch bệnh cho các khu vực đó), nên các cột continent tương ứng đã nhận giá trị NaN.
t = covid_df[covid_df['Population'].isna()]
t.Location.unique()
array(['International', 'Northern Cyprus'], dtype=object)
Một số khu vực trên thế giới như International, Northern Cyprus chưa có thống kê về dân số trong tập dữ liệu, nên nhóm sẽ bỏ qua 2 khu vực này.
covid_df = covid_df[~covid_df['Population'].isna()]
Còn lại những cột có dữ liệu bị để trống (NULL) vì vào thời điểm quan sát thì có thể chưa xảy ra ca tử vong, chưa có ca mắc hoặc chưa có vaccine để tiêm phòng...
Vì thế, nhóm sẽ làm sạch dữ liệu của các cột nhận giá trị NaN khác bằng cách điền số 0
covid_df = covid_df.replace('', np.nan).fillna(0)
covid_world_df = covid_df[covid_df.Location == 'World']
print(f"Dữ liệu về dịch bệnh Covid-19 được thu thập từ ngày {covid_world_df.Date.min()} tới ngày {covid_world_df.Date.max()}")
Dữ liệu về dịch bệnh Covid-19 được thu thập từ ngày 2020-01-22 tới ngày 2022-03-05
covid_df
| Continent | Location | Date | Total Cases | New Cases | Total Cases per million | New Cases per million | Total Deaths | New Deaths | Total Deaths per million | New deaths per million | Total Vaccinations | People Vaccinated | People Fully Vaccinated | People Fully Vaccinated per hundred | Population | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Asia | Afghanistan | 2020-02-24 | 5.0 | 5.0 | 0.126 | 0.126 | 0.0 | 0.0 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 39835428.0 |
| 1 | Asia | Afghanistan | 2020-02-25 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 39835428.0 |
| 2 | Asia | Afghanistan | 2020-02-26 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 39835428.0 |
| 3 | Asia | Afghanistan | 2020-02-27 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 39835428.0 |
| 4 | Asia | Afghanistan | 2020-02-28 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 39835428.0 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 166321 | Africa | Zimbabwe | 2022-03-01 | 236871.0 | 491.0 | 15694.959 | 32.533 | 5395.0 | 0.0 | 357.470 | 0.000 | 7901360.0 | 4365856.0 | 3399915.0 | 22.53 | 15092171.0 |
| 166322 | Africa | Zimbabwe | 2022-03-02 | 237503.0 | 632.0 | 15736.835 | 41.876 | 5396.0 | 1.0 | 357.536 | 0.066 | 7910740.0 | 4368726.0 | 3402434.0 | 22.54 | 15092171.0 |
| 166323 | Africa | Zimbabwe | 2022-03-03 | 237503.0 | 0.0 | 15736.835 | 0.000 | 5396.0 | 0.0 | 357.536 | 0.000 | 7921113.0 | 4372925.0 | 3406482.0 | 22.57 | 15092171.0 |
| 166324 | Africa | Zimbabwe | 2022-03-04 | 238739.0 | 1236.0 | 15818.731 | 81.897 | 5397.0 | 1.0 | 357.603 | 0.066 | 7930621.0 | 4374896.0 | 3408609.0 | 22.59 | 15092171.0 |
| 166325 | Africa | Zimbabwe | 2022-03-05 | 239019.0 | 280.0 | 15837.284 | 18.553 | 5397.0 | 0.0 | 357.603 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 15092171.0 |
165251 rows × 16 columns
covid_df.shape
(165251, 16)
covid_df.head(10)
| Continent | Location | Date | Total Cases | New Cases | Total Cases per million | New Cases per million | Total Deaths | New Deaths | Total Deaths per million | New deaths per million | Total Vaccinations | People Vaccinated | People Fully Vaccinated | People Fully Vaccinated per hundred | Population | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Asia | Afghanistan | 2020-02-24 | 5.0 | 5.0 | 0.126 | 0.126 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 1 | Asia | Afghanistan | 2020-02-25 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 2 | Asia | Afghanistan | 2020-02-26 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 3 | Asia | Afghanistan | 2020-02-27 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 4 | Asia | Afghanistan | 2020-02-28 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 5 | Asia | Afghanistan | 2020-02-29 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 6 | Asia | Afghanistan | 2020-03-01 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 7 | Asia | Afghanistan | 2020-03-02 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 8 | Asia | Afghanistan | 2020-03-03 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
| 9 | Asia | Afghanistan | 2020-03-04 | 5.0 | 0.0 | 0.126 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 39835428.0 |
covid_df.tail(10)
| Continent | Location | Date | Total Cases | New Cases | Total Cases per million | New Cases per million | Total Deaths | New Deaths | Total Deaths per million | New deaths per million | Total Vaccinations | People Vaccinated | People Fully Vaccinated | People Fully Vaccinated per hundred | Population | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 166316 | Africa | Zimbabwe | 2022-02-24 | 234967.0 | 378.0 | 15568.801 | 25.046 | 5390.0 | 2.0 | 357.139 | 0.133 | 7858794.0 | 4351621.0 | 3384590.0 | 22.43 | 15092171.0 |
| 166317 | Africa | Zimbabwe | 2022-02-25 | 235467.0 | 500.0 | 15601.930 | 33.130 | 5392.0 | 2.0 | 357.271 | 0.133 | 7870399.0 | 4355217.0 | 3388940.0 | 22.45 | 15092171.0 |
| 166318 | Africa | Zimbabwe | 2022-02-26 | 235803.0 | 336.0 | 15624.193 | 22.263 | 5393.0 | 1.0 | 357.338 | 0.066 | 7876942.0 | 4357938.0 | 3390880.0 | 22.47 | 15092171.0 |
| 166319 | Africa | Zimbabwe | 2022-02-27 | 235803.0 | 0.0 | 15624.193 | 0.000 | 5393.0 | 0.0 | 357.338 | 0.000 | 7882244.0 | 4359872.0 | 3392578.0 | 22.48 | 15092171.0 |
| 166320 | Africa | Zimbabwe | 2022-02-28 | 236380.0 | 577.0 | 15662.425 | 38.232 | 5395.0 | 2.0 | 357.470 | 0.133 | 7890951.0 | 4362150.0 | 3396655.0 | 22.51 | 15092171.0 |
| 166321 | Africa | Zimbabwe | 2022-03-01 | 236871.0 | 491.0 | 15694.959 | 32.533 | 5395.0 | 0.0 | 357.470 | 0.000 | 7901360.0 | 4365856.0 | 3399915.0 | 22.53 | 15092171.0 |
| 166322 | Africa | Zimbabwe | 2022-03-02 | 237503.0 | 632.0 | 15736.835 | 41.876 | 5396.0 | 1.0 | 357.536 | 0.066 | 7910740.0 | 4368726.0 | 3402434.0 | 22.54 | 15092171.0 |
| 166323 | Africa | Zimbabwe | 2022-03-03 | 237503.0 | 0.0 | 15736.835 | 0.000 | 5396.0 | 0.0 | 357.536 | 0.000 | 7921113.0 | 4372925.0 | 3406482.0 | 22.57 | 15092171.0 |
| 166324 | Africa | Zimbabwe | 2022-03-04 | 238739.0 | 1236.0 | 15818.731 | 81.897 | 5397.0 | 1.0 | 357.603 | 0.066 | 7930621.0 | 4374896.0 | 3408609.0 | 22.59 | 15092171.0 |
| 166325 | Africa | Zimbabwe | 2022-03-05 | 239019.0 | 280.0 | 15837.284 | 18.553 | 5397.0 | 0.0 | 357.603 | 0.000 | 0.0 | 0.0 | 0.0 | 0.00 | 15092171.0 |
Các ca mắc Covid-19 có sự khác biệt giữa các châu lục hay không ? (X: Date, Continent, Total Cases) (Y: True/False)
Có phải các nước có nền kinh tế phát triển, thu nhập cao thì dịch bệnh Covid-19 sẽ ít nghiêm trọng hơn so với có nền kinh tế phát triển kém hơn, thu nhập thấp hơn không ? (X: Continent, Location, Total Cases, Total Deaths) (Y: True/False)
Dân số có phải là nguyên nhân dẫn tới việc gia tăng số ca mắc ở các nước châu Á ? (X: Location, Population, Total Cases) (Y: Số ca mắc)
Khi vaccine được phổ biến, điều đó có giúp ích cho việc chống đại dịch Covid-19 trên thế giới? (X: Date, People Fully Vaccinated, New Cases, New Deaths) (Y: True/False)
Ở các châu lục, trước và sau khi tiêm vaccine, tỉ lệ tử vong của dịch bệnh Covid-19 như thế nào? (X: Continent, Date, Total Deaths, Total Cases) (Y: Tỉ lệ tử vong)
Biến thể Omicron xuất hiện vào 24/11/2021 có gây nguy hiểm không ? So sánh với biến thể Delta xuất hiện trước đó ? (X: Date, New Cases, New Deaths) (Y: Số ca mắc và tử vong của hai loại biến thể)
So với các bệnh như SARS, EBOLA, MERS, H1N1 thì dịch Covid-19 có nghiêm trọng hơn ? (X: Total Deaths, Total Cases) (Y: True/False)
covid_df.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 165251 entries, 0 to 166325 Data columns (total 16 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Continent 165251 non-null object 1 Location 165251 non-null object 2 Date 165251 non-null object 3 Total Cases 165251 non-null float64 4 New Cases 165251 non-null float64 5 Total Cases per million 165251 non-null float64 6 New Cases per million 165251 non-null float64 7 Total Deaths 165251 non-null float64 8 New Deaths 165251 non-null float64 9 Total Deaths per million 165251 non-null float64 10 New deaths per million 165251 non-null float64 11 Total Vaccinations 165251 non-null float64 12 People Vaccinated 165251 non-null float64 13 People Fully Vaccinated 165251 non-null float64 14 People Fully Vaccinated per hundred 165251 non-null float64 15 Population 165251 non-null float64 dtypes: float64(13), object(3) memory usage: 21.4+ MB
covid_df.describe()
| Total Cases | New Cases | Total Cases per million | New Cases per million | Total Deaths | New Deaths | Total Deaths per million | New deaths per million | Total Vaccinations | People Vaccinated | People Fully Vaccinated | People Fully Vaccinated per hundred | Population | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| count | 1.652510e+05 | 1.652510e+05 | 165251.000000 | 165251.000000 | 1.652510e+05 | 165251.000000 | 165251.000000 | 165251.000000 | 1.652510e+05 | 1.652510e+05 | 1.652510e+05 | 165251.000000 | 1.652510e+05 |
| mean | 2.505992e+06 | 1.142253e+04 | 28963.765115 | 163.534992 | 5.075483e+04 | 150.669212 | 446.055149 | 1.477463 | 4.703560e+07 | 2.292889e+07 | 1.691146e+07 | 7.905456 | 1.474332e+08 |
| std | 1.534516e+07 | 8.389329e+04 | 51560.618799 | 677.401746 | 2.840557e+05 | 782.870221 | 753.155897 | 4.852677 | 4.133728e+08 | 2.073323e+08 | 1.652634e+08 | 19.519701 | 7.054923e+08 |
| min | 0.000000e+00 | 0.000000e+00 | 0.000000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | 0.000000 | 0.000000e+00 | 0.000000e+00 | 0.000000e+00 | 0.000000 | 4.700000e+01 |
| 25% | 1.739000e+03 | 0.000000e+00 | 533.510000 | 0.000000 | 2.400000e+01 | 0.000000 | 6.466000 | 0.000000 | 0.000000e+00 | 0.000000e+00 | 0.000000e+00 | 0.000000 | 1.172369e+06 |
| 50% | 2.464500e+04 | 7.400000e+01 | 4457.275000 | 10.425000 | 3.850000e+02 | 1.000000 | 72.774000 | 0.031000 | 0.000000e+00 | 0.000000e+00 | 0.000000e+00 | 0.000000 | 8.478242e+06 |
| 75% | 2.891110e+05 | 1.029000e+03 | 36582.431500 | 97.800500 | 5.356000e+03 | 14.000000 | 581.888000 | 1.032000 | 5.999550e+04 | 1.400250e+04 | 0.000000e+00 | 0.000000 | 3.393361e+07 |
| max | 4.451295e+08 | 4.206334e+06 | 706541.904000 | 51427.491000 | 5.995245e+06 | 18020.000000 | 6322.263000 | 453.772000 | 1.085079e+10 | 4.976031e+09 | 4.400787e+09 | 121.450000 | 7.874966e+09 |
def plot_hbar(df, col, number, title):
figure = px.bar(df.sort_values(col).tail(number), x = col, y = 'Location', color = 'Continent', text = col, orientation='h', height=700,
color_discrete_sequence = px.colors.qualitative.Dark2)
figure.update_layout(title=title, xaxis_title=col, yaxis_title="Country",
yaxis_categoryorder = 'total ascending',
uniformtext_minsize=8, uniformtext_mode='hide')
figure.show()
def plot_sub_lines(df, x, y1, y2, title):
fig = make_subplots(rows=1, cols=2)
fig.add_trace(
go.Scatter(x=df[x], y = df[y1], mode="lines", name=y1),
row = 1,
col = 1
)
fig.add_trace(
go.Scatter(x=df[x], y = df[y2], mode="lines", name=y2),
row = 1,
col = 2
)
fig.update_layout(height=600, width=1200, title_text=title)
fig.show()
plot_sub_lines(covid_world_df, 'Date', 'Total Cases', 'Total Deaths', "Biểu đồ thể hiện tổng số ca mắc và tử vong tích luỹ theo ngày")
Tổng số ca mắc và tử vong của dịch Covid-19 trên thế giới không ngừng tăng nhanh theo ngày kể từ đầu đại dịch đến nay. Nhưng tổng số ca tử vong lại ít hơn nhiều so với tổng số ca mắc, điều này có thể cho thấy tỉ lệ tử vong của dịch Covid-19 không cao, hoặc có thể là do độ bao phủ của vaccine trên toàn thế giới đang lớn dần nên số ca tử vong cũng tăng ít.
plot_sub_lines(covid_world_df, 'Date', 'New Cases', 'New Deaths', "Biểu đồ thể hiện tổng số ca mắc và tử vong mới theo ngày")
Vào khoảng cuối năm 2021, biến thể Omicron xuất hiện làm gia tăng nhanh số ca nhiễm nhưng số ca tử vong của biến thể này không cao so với biến thể Delta xuất hiện trước đó. Có lẽ do khi biến thể Omicron xuất hiện thì độ bao phủ vaccine trên thế giới cũng đã tăng cao.
covid_df_group = covid_df.copy()
covid_df_group = covid_df_group.groupby(by='Location').agg({'Location' : 'first','Continent' : 'first', 'Total Cases': 'max'})
covid_df_group = covid_df_group[covid_df_group.Continent != 0]
plot_hbar(covid_df_group, 'Total Cases', 20, 'Confirmed Case')
United State là nước có nền kinh tế phát triển nhưng tổng số ca mắc lại nhiều nhất toàn cầu, hơn cả nước khởi phát dịch bệnh là Trung Quốc
covid_df_group = covid_df.copy()
covid_df_group = covid_df_group.groupby(by='Location').agg({'Location' : 'first','Continent' : 'first', 'Total Deaths': 'max'})
covid_df_group = covid_df_group[covid_df_group.Continent != 0]
plot_hbar(covid_df_group, 'Total Deaths', 20, 'Confirmed Deaths')
Số ca tử vong vì Covid-19 của United State lại dẫn đầu. Từ đó, ta có thể thấy sơ qua là số ca mắc và tử vong không phụ thuộc nhiều vào nền kinh tế các nước, nó còn phụ thuộc các yếu tố khác
covid_df_group = covid_df.copy()
covid_df_group = covid_df_group.groupby(by='Location').agg({'Location' : 'first','Continent' : 'first', 'People Fully Vaccinated': 'max'})
covid_df_group = covid_df_group[covid_df_group.Continent != 0]
plot_hbar(covid_df_group, 'People Fully Vaccinated', 20, 'People Fully Vaccinated')
fig = go.Figure(data=[
go.Scatter(
mode="lines+markers",
name="Total Deaths",
x=covid_world_df['Date'],
y=covid_world_df['Total Deaths'],
marker_color="crimson",
),
go.Scatter(
mode="lines+markers",
name="Total Cases",
x=covid_world_df['Date'],
y=covid_world_df['Total Cases'],
marker_color="royalblue"
),
go.Scatter(
mode="lines+markers",
name="Total Vaccinated",
x=covid_world_df['Date'],
y=covid_world_df['Total Vaccinations'],
marker_color="lightseagreen"
),
])
fig.update_layout(
title = 'Tổng số vaccine được tiêm so với các số liệu về dịch Covid-19',
xaxis_title="",
yaxis_title="Count",
hovermode="x",
legend_orientation = 'h'
)
fig.show()
Độ bao phủ vaccine trên toàn thế giới ngày càng lớn dần, bỏ xa tổng số ca mắc và số ca tử vong. Điều này đang cho thấy tín hiệu tích cực trong việc phòng chống đại dịch Covid-19